在2025年的国际计算学习理论大会（ICLR）上，一篇题为“Diffusion Navigator: 驾驭未来之路，以扩散模型重塑自动驾驶规划”的研究工作引发了广泛关注。本研究深入挖掘了扩散模型的潜力，将其巧妙应用于自动驾驶领域的路径规划中，实现了nuPlan项目在智能规划算法上的重大突破，达到了行业领先水平。扩散模型，以其独特的从噪声到信号的迭代过程，被创新性地改造以应对复杂多变的驾驶环境，不仅提高了规划的效率，更在保证安全性的前提下，优化了行驶路径的流畅性和预测准确性。这项技术的革新，标志着自动驾驶技术迈入了一个新的纪元，其中，nuPlan的这一创新方案正引领着这一领域的科学进步与实际应用的深度融合，为未来的智能交通系统绘制了更加智能化、安全化的蓝图。
清华大学联合多家机构在iclr2025发表的最新研究成果《diffusion-basedplanningforautonomousdrivingwithflexibleguidance》提出了一种创新的自动驾驶规划方法——diffusionplanner。该方法基于diffusiontransformer架构，有效解决了现有基于学习的规划方法对后处理的严重依赖问题。
DiffusionPlanner的核心优势在于：
高效处理复杂场景:DiffusionTransformer架构能够高效处理复杂交通场景的输入，实现20Hz的高速实时推理。 联合建模预测与规划:该模型联合建模周围车辆运动预测和自车规划，将两者统一为一个未来轨迹生成任务，从而实现更自然的协同行为。 灵活的引导机制:利用扩散模型的引导机制，DiffusionPlanner可在部署阶段灵活适应不同的驾驶需求（例如安全、舒适等），并通过加权求和轻松组合不同的偏好，增强模型的泛化能力和实用性。 降低对后处理的依赖:在nuPlan数据集的闭环评估中，DiffusionPlanner取得了SOTA级表现，大幅降低了对后处理的依赖。技术细节：
DiffusionPlanner巧妙地融合了加噪轨迹和条件信息（周围车辆历史信息、道路信息、静态障碍物、导航信息等），通过交叉注意力机制进行信息交互。为了避免模型重复自车历史行为，仅考虑自车当前位置和朝向作为起始状态引导。
实验结果：
在nuPlan数据集的闭环仿真测试中，DiffusionPlanner在多个测试基准上达到SOTA性能，并显著降低了对后处理的依赖。此外，在毫末智行提供的200小时真实世界物流小车数据上的测试也验证了其在不同驾驶场景下的鲁棒性和迁移能力。
总结：
DiffusionPlanner是一种具有突破性的自动驾驶规划方法，它充分利用了扩散模型的优势，并通过巧妙的架构设计，实现了高效、鲁棒且灵活的规划能力。其在真实数据集上的出色表现，为自动驾驶技术的进一步发展提供了新的方向。论文链接：项目主页：
以上就是ICLR2025|DiffusionPlanner:基于扩散模型的自动驾驶规划算法，nuPlanSOTA!的详细内容，更多请关注其它相关文章！
相关攻略
近期热点
最新攻略
